Exploring the Code Interpreter in OpenAI GPT
05
يعد مترجم الكود ميزة متقدمة في GPTs.x وChatGPT من OpenAI والتي توفر مستوى جديدًا من التفاعل لنموذج الذكاء الاصطناعي. تم تصميمه لتنفيذ كود Python في بيئة معزولة وتقديم نتائج في الوقت الفعلي، مما يجعله أداة قوية لمجموعة واسعة من المهام بدءًا من الحسابات الرياضية وحتى تحليل البيانات، ومن النماذج الأولية للتعليمات البرمجية إلى تدريس وتعلم برمجة Python بشكل تفاعلي. على الرغم من وجود قيود معينة على وظائفه لأسباب أمنية، إلا أنه يفتح مجموعة جديدة تمامًا من الاحتمالات لكيفية تفاعل المستخدمين مع ChatGPT.
مترجم الكود هو أداة تم تطويرها بواسطة OpenAI لتنفيذ كود البرمجة في بيئة تفاعلية. إنه قادر على تشغيل كود Python وعرض النتائج في الوقت الفعلي.
يمكن استخدام مترجم الكود لمجموعة متنوعة من المهام، بما في ذلك:
يمكن لـ ChatGPT إنشاء ومراجعة وتصحيح التعليمات البرمجية بناءً على المتطلبات المقدمة. ويمكنه أيضًا المساعدة في هيكلة التعليمات البرمجية وتقديم اقتراحات للتحسينات. علاوة على ذلك، يمكنه شرح مفاهيم البرمجة المعقدة والمساعدة في حل مشكلات البرمجة.
على الرغم من أن مترجم الكود يعد أداة قوية، إلا أن له بعض القيود:
على الرغم من هذه القيود، يعد مترجم الكود أداة متعددة الاستخدامات يمكنها مساعدة المبرمجين من جميع مستويات المهارة بشكل كبير.
يقدم مترجم الكود العديد من الفوائد:
لتنفيذ الأمثلة المذكورة في هذا الملف التمهيدي، تحتاج إلى تثبيت بعض مكتبات Python. يمكنك تثبيتها باستخدام النقطة:
pip install pandas openpyxl python-docx PyPDF2 fpdf2 matplotlib pillowيتمتع مترجم الكود بإمكانية الوصول إلى دليل خاص، '/mnt/data'، حيث يمكنه قراءة الملفات وكتابتها. يمكن استخدام هذا للعمليات التي تحتاج إلى حفظ البيانات أو تحميلها، مثل كتابة السجلات أو حفظ المخططات أو تحميل البيانات للتحليل. ومع ذلك، لا يمكن الوصول إلى أي مواقع أخرى على نظام الملفات.
يعد الدليل "/mnt/data" موقع تخزين خاص يمكن لمترجم التعليمات البرمجية الوصول إليه لقراءة الملفات وكتابتها. يعد هذا مفيدًا بشكل خاص للعمليات التي تتطلب تخزينًا مستمرًا أو تبادل البيانات بين عمليات تنفيذ التعليمات البرمجية المختلفة.
فيما يلي بعض الطرق التي يمكنك من خلالها استخدام الدليل "/mnt/data":
with open ( '/mnt/data/numbers.txt' , 'w' ) as file :
for num in range ( 10 ):
file . write ( str ( num ) + ' n ' )لقراءة الملف عليك القيام بما يلي:
with open ( '/mnt/data/numbers.txt' , 'r' ) as file :
numbers = file . readlines () with open ( '/mnt/data/log.txt' , 'w' ) as file :
file . write ( 'This is a log message.' ) import matplotlib . pyplot as plt
plt . plot ([ 0 , 1 , 2 , 3 , 4 ], [ 0 , 1 , 4 , 9 , 16 ])
plt . savefig ( '/mnt/data/plot.png' )يمكنك بعد ذلك تنزيل ملف الصورة مباشرةً من رابط وضع الحماية الذي تم إنشاؤه.
تذكر أن أي عمليات على الملف يجب إجراؤها باستخدام المسار "/mnt/data". لا يستطيع مترجم الكود الوصول إلى أي مواقع أخرى في نظام الملفات.
بمساعدة مكتبات Python المختلفة مثل PIL (Python Imaging Library)، وOpenCV، وmatplotlib، يمكن تنفيذ مجموعة متنوعة من العمليات على الصور. فيما يلي بعض الأمثلة:
from PIL import Image
import matplotlib . pyplot as plt
# Open the image file
img = Image . open ( '/mnt/data/your_image.jpg' )
# Display the image
plt . imshow ( img )
plt . axis ( 'off' ) # Turn off the axis
plt . show () # Resize the image
img_resized = img . resize (( new_width , new_height )) # Rotate the image
img_rotated = img . rotate ( angle )
# Flip the image
img_flipped = img . transpose ( Image . FLIP_LEFT_RIGHT ) # Convert the image to grayscale
img_gray = img . convert ( 'L' ) from PIL import ImageEnhance
# Increase the brightness
enhancer = ImageEnhance . Brightness ( img )
img_brighter = enhancer . enhance ( 1.5 ) from PIL import ImageFilter
# Apply a filter
img_blurred = img . filter ( ImageFilter . GaussianBlur ( radius = 5 )) # Get the histogram
hist = img . histogram () # Merge images
img_merged = Image . merge ( 'RGB' , [ img1 , img2 , img3 ])تعد معالجة ملفات Excel مهمة شائعة يمكن أن تتراوح من تحليل البيانات إلى إنشاء التقارير. فيما يلي دليل حول العمليات الأساسية والمتقدمة مع ملفات Excel باستخدام Python:
لقراءة وكتابة ملفات Excel، يتم استخدام pandas مع openpyxl بشكل شائع. فيما يلي كيفية القراءة من ملف Excel والكتابة إليه:
import pandas as pd
# Load an Excel file
df = pd . read_excel ( '/mnt/data/example.xlsx' )
# Display data
print ( df . head ())###لكتابة البيانات إلى ملف Excel:
# Create a DataFrame
data = { 'Name' : [ 'Alice' , 'Bob' , 'Charlie' ], 'Age' : [ 25 , 30 , 35 ]}
df = pd . DataFrame ( data )
# Write DataFrame to an Excel file
df . to_excel ( '/mnt/data/saved_data.xlsx' , index = False )يمكنك تصفية البيانات بناءً على الشروط، أو إضافة أعمدة جديدة، أو تحويل البيانات الموجودة:
# Filter rows where age is greater than 28
filtered_df = df [ df [ 'Age' ] > 28 ]
# Add a new column
df [ 'Age Next Year' ] = df [ 'Age' ] + 1
# Sort data
sorted_df = df . sort_values ( by = 'Age' , ascending = False )إلى جانب قراءة ملفات Excel وكتابتها، يمكنك أيضًا تنفيذ مهام معالجة البيانات المتقدمة مثل إنشاء جداول محورية أو دمج ملفات Excel متعددة.
import pandas as pd
# Load example data
df = pd . read_excel ( '/mnt/data/example.xlsx' )
# Create a pivot table
pivot_table = df . pivot_table ( index = 'Category' , values = 'Sales' , aggfunc = 'sum' )
# Display the pivot table
print ( pivot_table ) import pandas as pd
import glob
# Read all Excel files in the directory
files = glob . glob ( '/mnt/data/*.xlsx' )
# Merge data from all files
df_list = [ pd . read_excel ( file ) for file in files ]
merged_df = pd . concat ( df_list , ignore_index = True )
# Display the merged data
print ( merged_df . head ())فيما يلي بعض المشكلات الشائعة وحلولها:
إذا واجهت مشكلات أخرى، فافتح مشكلة على GitHub أو اتصل بمشرف المشروع.
يتضمن التعامل مع ملفات Microsoft Word قراءة المستندات وكتابتها وتعديلها. إليك كيفية إدارة ملفات Word باستخدام Python:
لقراءة النص من مستندات Word، يتم استخدام مكتبة python-docx :
from docx import Document
# Load a Word document
doc = Document ( '/mnt/data/example.docx' )
# Read each paragraph
for para in doc . paragraphs :
print ( para . text )لإنشاء مستندات Word والكتابة عليها:
from docx import Document
# Create a new Word document
doc = Document ()
doc . add_paragraph ( 'Hello, this is a test document.' )
# Save the document
doc . save ( '/mnt/data/new_example.docx' ) from docx import Document
# Create a new Word document
doc = Document ()
# Add a table with specified number of rows and columns
table = doc . add_table ( rows = 3 , cols = 3 )
# Add data to the table
data = [
[ "Header 1" , "Header 2" , "Header 3" ],
[ "Row 1, Col 1" , "Row 1, Col 2" , "Row 1, Col 3" ],
[ "Row 2, Col 1" , "Row 2, Col 2" , "Row 2, Col 3" ]
]
for row_index , row_data in enumerate ( data ):
row = table . rows [ row_index ]
for col_index , cell_data in enumerate ( row_data ):
row . cells [ col_index ]. text = cell_data
# Save the document
doc . save ( '/mnt/data/table_example.docx' ) from docx import Document
from docx . shared import Pt , RGBColor
# Load a Word document
doc = Document ( '/mnt/data/example.docx' )
# Add a paragraph with specific formatting
paragraph = doc . add_paragraph ()
run = paragraph . add_run ( 'This is a formatted text.' )
run . font . size = Pt ( 14 ) # Font size
run . font . bold = True # Bold text
run . font . color . rgb = RGBColor ( 255 , 0 , 0 ) # Red color text
# Save the document
doc . save ( '/mnt/data/formatted_text.docx' ) from docx import Document
from docx . shared import Inches
# Create a new Word document
doc = Document ()
# Add a paragraph
doc . add_paragraph ( 'Below is an image:' )
# Add an image to the document
doc . add_picture ( '/mnt/data/your_image.jpg' , width = Inches ( 4 ), height = Inches ( 3 ))
# Save the document
doc . save ( '/mnt/data/image_example.docx' ) from docx import Document
# Create a new Word document
doc = Document ()
# Add a header
header = doc . sections [ 0 ]. header
header_paragraph = header . paragraphs [ 0 ]
header_paragraph . text = "This is the header"
# Add a footer
footer = doc . sections [ 0 ]. footer
footer_paragraph = footer . paragraphs [ 0 ]
footer_paragraph . text = "This is the footer"
# Add some body text
doc . add_paragraph ( "This is the body text of the document." )
# Save the document
doc . save ( '/mnt/data/header_footer_example.docx' )غالبًا ما تتضمن إدارة ملفات PDF قراءة النص واستخراجه وتحويله أحيانًا إلى تنسيقات أخرى. إليك كيفية التعامل مع ملفات PDF باستخدام بايثون:
لقراءة واستخراج النص من ملفات PDF، تُستخدم مكتبة PyPDF2 بشكل شائع:
import PyPDF2
# Open a PDF file
with open ( '/mnt/data/example.pdf' , 'rb' ) as file :
pdf_reader = PyPDF2 . PdfReader ( file )
# Extract text from the first page
page = pdf_reader . pages [ 0 ]
text = page . extract_text ()
print ( text ) يمكن إنشاء وكتابة النص في ملفات PDF باستخدام مكتبة fpdf2 :
from fpdf import FPDF
# Create instance of FPDF class
pdf = FPDF ()
# Add a page
pdf . add_page ()
# Set font
pdf . set_font ( "Arial" , size = 12 )
# Add a cell
pdf . cell ( 200 , 10 , txt = "Welcome to PDF handling with Python!" , ln = True , align = 'C' )
# Save the PDF to a file
pdf . output ( '/mnt/data/new_example.pdf' )غالبًا ما يتضمن التعامل مع ملفات PDF قراءة المستندات واستخراج النص ودمجها وتقسيمها وتعديلها. فيما يلي بعض العمليات المتقدمة باستخدام بايثون:
import PyPDF2
# List of PDF files to be merged
pdf_files = [ '/mnt/data/file1.pdf' , '/mnt/data/file2.pdf' , '/mnt/data/file3.pdf' ]
# Create a PDF merger object
pdf_merger = PyPDF2 . PdfMerger ()
# Append each PDF file
for pdf in pdf_files :
pdf_merger . append ( pdf )
# Write out the merged PDF
with open ( '/mnt/data/merged.pdf' , 'wb' ) as merged_pdf :
pdf_merger . write ( merged_pdf ) import PyPDF2
# Path to the PDF file
pdf_path = '/mnt/data/example.pdf'
# Create a PDF reader object
pdf_reader = PyPDF2 . PdfReader ( pdf_path )
# Split the PDF into separate pages
for page_num in range ( len ( pdf_reader . pages )):
pdf_writer = PyPDF2 . PdfWriter ()
pdf_writer . add_page ( pdf_reader . pages [ page_num ])
# Save each page as a separate PDF
output_path = f'/mnt/data/split_page_ { page_num + 1 } .pdf'
with open ( output_path , 'wb' ) as output_pdf :
pdf_writer . write ( output_pdf ) import PyPDF2
# Paths to the original PDF and the watermark PDF
original_pdf_path = '/mnt/data/original.pdf'
watermark_pdf_path = '/mnt/data/watermark.pdf'
# Create PDF reader objects
original_pdf = PyPDF2 . PdfReader ( original_pdf_path )
watermark_pdf = PyPDF2 . PdfReader ( watermark_pdf_path )
# Create a PDF writer object
pdf_writer = PyPDF2 . PdfWriter ()
# Apply the watermark to each page
for page_num in range ( len ( original_pdf . pages )):
original_page = original_pdf . pages [ page_num ]
watermark_page = watermark_pdf . pages [ 0 ]
original_page . merge_page ( watermark_page )
pdf_writer . add_page ( original_page )
# Save the watermarked PDF
with open ( '/mnt/data/watermarked.pdf' , 'wb' ) as watermarked_pdf :
pdf_writer . write ( watermarked_pdf ) import PyPDF2
# Path to the PDF file
pdf_path = '/mnt/data/example.pdf'
# Create a PDF reader object
pdf_reader = PyPDF2 . PdfReader ( pdf_path )
# Specify the range of pages to extract text from
start_page = 1
end_page = 3
# Extract text from the specified page range
extracted_text = ''
for page_num in range ( start_page - 1 , end_page ):
page = pdf_reader . pages [ page_num ]
extracted_text += page . extract_text ()
print ( extracted_text ) import PyPDF2
# Path to the PDF file
pdf_path = '/mnt/data/example.pdf'
# Create a PDF reader object
pdf_reader = PyPDF2 . PdfReader ( pdf_path )
pdf_writer = PyPDF2 . PdfWriter ()
# Copy all pages to the writer object
for page_num in range ( len ( pdf_reader . pages )):
pdf_writer . add_page ( pdf_reader . pages [ page_num ])
# Add metadata
metadata = {
'/Title' : 'Example PDF' ,
'/Author' : 'Your Name' ,
'/Subject' : 'Example Subject' ,
'/Keywords' : 'PDF, example, metadata'
}
pdf_writer . add_metadata ( metadata )
# Save the PDF with metadata
with open ( '/mnt/data/metadata_example.pdf' , 'wb' ) as metadata_pdf :
pdf_writer . write ( metadata_pdf )المساهمات هي موضع ترحيب! لا تتردد في تقديم طلب السحب.
إذا كنت تقدر عملي، يرجى النظر في دعم لي:
